「教養としてのAI講義」

専門知識がなくともギリギリ理解できる良書。

 1956年 人工知能研究会

　　　↓

・記号的AI：総合的な知性はプログラムで完全にモデル化できる

・非記号的AI：神経科学が発端。例)パーセプトロン

　　　↓

記号的AI＞非記号的AI（単純パーセプトロンには限界がある）

　　　↓

非記号的AI(バックプロバケーションの開発、コネクショニズムの構築)＞記号的AI

深層学習「コグニトロン」

　　↓

ネオコグニトロン

　　↓

CNN「畳込みニュートラルネットワーク」（インターネットとビッグデータ）

　：自分で学習するがまず人間によるハイパーパラメータ（修行で身につけるしかない）が必要。

　　↓

深層学習は汎用的AIにはつながらない（必要なラベル付きデータが大きすぎる。起きる可能性が極めて低い状況が多い（ロングテール））

騙されやすいという脆弱性→敵対的学習

［ゲーム］

深層Q学習：強化学習（オペラント条件付け。ラベル付きデータを必要としない）と深層ニューラルネットワークの組み合わせ

［言語処理］

再帰型ニューラルネットワーク

［翻訳］

暗号解読

　↓

統計的機械翻訳：データの学習に基づく。起点言語と目的言語の句を結びつけるために規模の大きな確率テーブルを算出する。

　↓

ニューラル機械翻訳：エンコーダー−デコーダー論理構造

［一般常識］

サイクプロジェクト（記号的AI）

ボンガード問題（同一性を見つける）

　↓

コピーキャットプログラム（同一性を横滑りする）

思考は身体を必要とする？

「勝ち残る中堅・中小企業によるDXの教科書」

 ◯レガシー化チェックポイント

　1. 顧客/取引先（Customer）がどれだけデジタル化を進めているか。

　2. 競合（Competitor）にビジネスシェアを取られていないか。

　3. 自社（Company）は労働人口の減少に耐えられるか、旧態依然としたシステム（FAX等）が残っていないか。

◯実は中堅・中小企業ほどDXに取り組みやすい（組織や関係者が複雑でない）

・スタンデージ「シェイク・ハンズ・コントラクト」：ブロックチェーン技術を基盤とした企業同士の貿易決済プラットフォーム。小口でも低い手数料、素早い送金スピード、安全性を実現。

・アルトア「オンライン融資サービス」：「弥生会計」を利用していればAIが瞬時に融資を判断。

・えびや「来店予測AIシステム」：手切りの食券食堂→来店客予測で廃棄ロス減、売上・利益増、有給休暇取得率アップ。

・キャディ「CADDi」：金属加工製品マッチングシステム。欲しい部品の設計図データをアップロードすると最も適する部品加工会社とマッチングし即座に見積もりを提示。見積もりの手間が減少。

・南雲製作所「金型工作機のプログラミング」：職人による擦り合わせでない均一金型の実現。

◯システム投資の失敗例

・経営者が現場任せ

・現場の抵抗勢力が強い

・システム導入自体が目的化

・開発できたが定着しない

・全社管理領域と個別に任せる領域の使い分けができていない

・競争領域と非競争領域を同一プラットフォームで構築

・全体のプログラムマネジメントができていない

◯DXの進め方

・DXは費用ではなく投資

・従業員２０〜３０人規模でもITのわかる人材が一人はいないと企業経営はできなくなる

・経営者は覚悟を決めたらビジョンを決め検証（ex. SMART）する。

・ITベンダーに丸投げしない。

・早くできて小さな成果が出せるものから始める。

・軌道修正のための定期的な評価

「基礎からのIT担当者リテラシー」

 メモリは作業机、ディスクは書庫。